文献

J-GLOBAL ID：202102231607757903   整理番号：21A1334947

機械学習を利用した地面点群の分類

Classification of Ground Point Clouds Using Machine Learning

著者 (6件)： 隼田駿大 (明治大) ,  永井良昂 (明治大) ,  杉浦尚弥 (明治大) ,  島田航太 (明治大) ,  松田匠未 (明治大) ,  黒田洋司 (明治大)
資料名： 計測自動制御学会システムインテグレーション部門講演会(CD-ROM)  (SICE SI (CD-ROM))
巻： 21st  ページ： ROMBUNNO.3A2-09  発行年： 2020年12月15日 
JST資料番号： F1751A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・移動ロボットのための地面点群の分類において,環境に応じた学習モデルを使用して分類する必要性を提起:季節や天候などの条件が分類精度に影響,点群特徴の前提知識を不使用。
・地面点群の分類について概説:地面点群の抽出(入力点群から抽出,Mini-Max法),機械学習を用いた分類(SVM,3つの特徴量-Lidarからの反射受光強度/計測距離/近似曲率)。
・実験の結果:あるテストデータに対して同日のデータで学習した分類モデルの方が,異なる時期の分類モデルよりも高精度,環境に応じたモデルの使用が有効。

シソーラス用語： 点群 ,  *機械学習 ,  移動ロボット ,  学習モデル ,  ミニマックス法 ,  *サポートベクトルマシン ,  LIDAR ,  特徴抽出 ,  自律ロボット ,  実証実験 ,  特徴量 ,  自律移動ロボット
準シソーラス用語： *地面点群 ,  Mini-Max法 ,  SVM

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (10件)：

• N. Fairfield and D. Wettergreen: Evidence gridbased methods for 3D map matching, Robotics and Automation, Proceedings of IEEE International Conference on Robotics and Automation (ICRA), (2009).
• Armesto, L., Minguez, J. and Montesano, L.: A generalization of the metric-based iterative closest point technique for 3D scan matching, Robotics and Automation, Proceedings of IEEE International Conference on Robotics and Automation (ICRA), (2010).
• Saarinen, J., Andreasson, H., Stoyanov, T. and Lilienthal, A. J.: Normal distributions transform Monte-Carlo localization (NDT-MCL), Preceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), (2013).
• Hosoda, Y., Sawahashi, R., Machinaka, N., Yamazaki, R., Sadakuni, Y., Onda, K., Kusakari, R., Kimba, M., Oishi, T. and Kuroda, Y.: Robust road-following navigation system with a simple map, Journal of Robotics and Mechatronics, Vol.30, No.4 (2018).
• 渡辺敦志, 阪東茂, 品田和洋, 油田信一: 方位検出と交差点認識を用いた道なり走行ベースの屋外自律ナビゲーション, 日本ロボット学会誌, Vol.30, No.3 (2012).

タイトルに関連する用語 (4件)： 機械学習 ,  地面 ,  点群 ,  分類